VLM Inference Benchmark Explorer

Llama-3.1-Nemotron-Nano-VL-8B op RTX PRO 6000 — BF16, vLLM vision-language-inferentiebenchmark

Deze configuratie openen in de VLM Inference Benchmark Explorer

ModelLlama-3.1-Nemotron-Nano-VL-8B
Parameters8.7B
ApparaatRTX PRO 6000
KwantisatieBF16
Beeldformaat720p
Beelden per camera1
Max. camera's (TTFT ≤ 3000 ms)16+
EnginevLLM
Camera'sTTFT (ms)TPS (tok/s)Doel
129294.9≤3000 ms
232584.6≤3000 ms
443173.2≤3000 ms
873559.4≤3000 ms
16127346.5≤3000 ms
Beelden per verzoekTTFT (ms)TPS (tok/s)Doel
129294.9≤3000 ms
393787.8≤3000 ms
5178689.1≤3000 ms

Llama-3.1-Nemotron-Nano-VL-8B (8.7B parameters), geserveerd in BF16-formaat met vLLM op RTX PRO 6000, begint één camera die één 720p-beeld stuurt na 292 ms (time to first token, TTFT) te antwoorden en schrijft daarna 94.9 tok/s.

Met 5 beelden per camera op 720p begint het antwoord na 1,786 ms. Met één beeld op 2K na 486 ms.

Bij het standaarddoel van een gemiddelde TTFT binnen 3,000 ms (720p, één beeld per camera) houdt het minstens 16 camera's tegelijk bij: ook bij het hoogste gemeten aantal haalde het het doel, dus de werkelijke grens ligt hoger.